级联水库系统下河流水温与溶解氧的调控：基于模拟-优化-因果解释框架的水电-生态协同效应

《Journal of Hydrology》：Regulation of river water temperature and dissolved oxygen under cascade reservoir systems: Hydropower-ecological synergy based on a simulation–optimization-causal explanation framework

　　朱朝阳|王照才|孔家臣|邹家豪|王宣宣|谭卓文|刘晨业|刘启凯
上海海洋大学信息学院，中国上海201306

**摘要**
在全球变暖和大规模梯级水库建设的双重压力下，河流水质动态逐渐偏离自然模式，导致水温（WT）异常和溶解氧（DO）波动加剧，这些变化威胁到了鱼类繁殖等关键生态过程。在确保可靠电力供应的同时减轻梯级水库运营对下游生态系统的不利影响，已成为流域管理面临的重大挑战。为了解决这一问题，本研究提出了一个针对梯级水库的多目标管理框架，称为“模拟-优化-因果解释”（SOCE）框架。首先开发了一个结合了先验物理知识的随机森林-自适应提升（RF-AdaBoost）替代模型，以在水质观测数据有限的情况下模拟水温与溶解氧的动态变化。随后将该替代模型与水库运行模型相结合，并采用基于强化学习（RL）的NSGA-III算法来解决平衡水电发电和生态需求的多目标优化问题。此外，通过结合收敛交叉映射（CCM）技术，提高了该框架的因果解释能力，以识别和验证运营决策对下游水质的影响。以西卢渡-向家坝（XLD-XJB）梯级水库系统为案例研究，结果表明，在三种典型来水情景下，水电发电量增加了9400万至10600万千瓦时，同时溶解氧适宜度达到了98.17%。该框架有效提升了总发电量，并在鱼类繁殖期间减轻了生态风险。此外，其因果解释能力扩展了生态调度策略的可行性范围。总体而言，SOCE框架为生态水库运营提供了一个可扩展且具有解释性的决策支持工具。

**引言**
在人类活动加剧和气候不确定性增加的共同影响下，河流健康面临多重挑战（Jing等人，2024；Fan等人，2025）。与工业化前相比，全球平均气温上升了约1.15°C（IPCC，2023），这通过改变降水模式、蒸散作用和极端气候事件的频率间接影响了河流水文过程和生态条件（Shi等人，2025；Santos Fleischmann等人，2025）。由于全球变暖，预计到2100年，全球大多数河流的溶解氧水平将显著下降，平均每十年缺氧天数将增加约8.8天（Graham等人，2025）。由于溶解氧是支持水体自净和维持水生生态系统正常运行的关键环境因素，这些发现表明全球淡水生态系统可能面临严重威胁（Kim等人，2025；Zhang等人，2025a）。同时，为了满足日益增长的电力和水资源需求，人类社会大规模建设了水库和水电项目，逐渐形成了以削峰发电和防洪为中心的水资源调控系统。然而，这些设施的建设和运营显著改变了下游河流的自然属性和生态过程（Liu和Tian，2025；Qiu等人，2024；Zeng等人，2025）。梯级水库系统的运行改变了河流的自然水温模式，导致水柱出现明显的垂直分层和释放温度的均匀化延迟，从而在下游引发了严重的生态后果，包括溶解氧水平下降、藻类爆发风险增加以及鱼类繁殖窗口压缩（Hu等人，2025）。因此，在气候变化和大规模水坝建设的双重影响下，如何在平衡人类需求和自然需求的同时减轻水库运营对下游生态系统的不利影响，已成为全球水库运营管理的共同挑战（Ahmadianfar等人，2023；Li等人，2025a；Zhu等人，2025；Wang等人，2020）。

水库运营和管理在一定程度上可以重塑流域内的水生生态环境（Chen等人，2025；Zhang等人，2025b）。Li等人（2024）阐明了水库运营通过改变水位和物理化学条件来抑制蓝藻爆发的机制，为基于生态的水库管理提供了理论基础。Wang等人（2025a）系统评估了流量频率和幅度调节对鱼类栖息地的不同影响，特别是在不同流量调节模式下，河床底质变粗的短期效应。He等人（2024）证实，水库蓄水和流量调节改变了河流与其泛滥平原之间的水、沉积物和营养物质交换，进而影响了河流生态系统的栖息地。改善流量调节可以减轻这些生态影响（Tan等人，2025）。因此，科学合理的水库运营规则对于指导水资源管理者制定合理的泄洪策略至关重要，并已被证明能够提高水资源管理的整体效率（Gu等人，2025；Liu等人，2025）。生态水库运营和管理的发展经历了三个主要范式：早期方法主要追求经济优化，仅将最低生态要求作为模型中的约束条件，从而在维持生态阈值的同时最大化经济效益，形成了多约束、单目标优化范式。例如，Ahmadianfar等人（2023）提出的IFPA算法在伊朗的一个五水库系统中实现了更快的收敛速度、更高的准确性和更大的总发电量。该方法在确保满足最低生态流量约束的同时，有效减少了电力短缺并提高了水电水库群的运营效率。Liu等人（2024a）采用Lyon方法确定了适当的生态流量范围，并开发了一个满足生态流量约束的优化梯级水电运行模型。通过比较不同的来水和生态流量情景，他们证明了在确保生态流量的同时仍可实现高系统发电量，从而平衡了生态和水电效益。近年来，随着多目标优化技术的发展和完善，越来越多的研究将生态流量作为与经济目标并列的独立目标，形成了综合考虑经济和生态因素的多目标运营范式。Liu等人（2020）以黄河上游的多水库系统为案例研究，使用进化算法优化水库运行，并利用机器学习构建了特定情景的运行规则。通过交叉验证，他们在多种情景下选择了最佳规则，同时考虑了水电发电和生态需求。通过为金沙江下游构建多目标模型并应用时变决策模型，该方法捕捉了不同时间段内发电与生态保护之间关系的演变。与均匀年度运行相比，这种方法在关键河流段更好地平衡了年度水电效益和生态保护。Feng等人（2025）提出了一种受限多群体协同搜索算法（cMPCSA），有效协调了发电、供水可靠性和生态流量等多个目标。然而，生态效益本质上是多维的，单一指标（如“生态流量”不足以全面描述水生生态过程和系统响应（Li等人，2025b）。此外，一个关键挑战在于水坝泄流量与下游水生生态指标之间的显著非线性、阈值效应和时间延迟。尽管不同运行方案会导致不同的生态影响，但使用简单的定量函数来精确描述这种耦合关系仍然很困难。为此，最近的研究转向了外部构建预训练替代模型，以更准确地描述各种生态目标，然后将其与多目标水库运营优化相结合，形成了新的“模拟-优化”范式。Qiu等人（2024）开发了一个结合深度学习和进化算法的水库管理模型，该模型考虑了水坝泄流的热影响，实现了发电需求和下游生态需求的同步优化。Tarabih等人（2025）将富营养化过程模型与多目标进化运行模型相结合，以美国奥基乔比湖为案例研究，通过优化水库运行显著减少了下游的磷、硝酸盐氮和浮游植物输出负荷，同时基本满足了供水需求。这种方法提供了一种经济高效的操作策略，平衡了水质改善与社会用水需求（Zhu等人，2026）。

然而，现有的生态调度框架仍面临三个普遍存在的挑战。首先是如何选择替代模型。虽然基于物理化学-生物机制的高保真过程模型具有很强的物理解释能力，但其目标函数依赖于完整的决策序列，导致优化问题不再满足传统的马尔可夫性质（Bao等人，2025）。这使得传统的优化算法（如动态规划）失效，将这些模型与优化框架结合进一步增加了计算时间开销。如果选择机器学习模型作为替代模型，可以更好地捕捉决策变量与目标函数之间的非线性关系，从而进一步提高模拟精度。然而，机器学习模型依赖于多源数据，与径流和气象数据相比，水质数据更难以获取（Zheng等人，2025）。此外，由于解释能力和泛化能力的限制（Huo等人，2025），从这些模型与水库管理系统结合得出的运行方案对于实践者来说仍然难以采用。在实践中，管理者往往难以理解这些解决方案中的复杂模式和潜在的因果逻辑，因此倾向于采用更为保守的调度策略。其次，在将替代模型与水库管理模型结合后，得到的问题通常表现出更强的非线性、更高的维度和多重约束（Fang等人，2021）。当使用传统的数学编程方法时，“维数灾难”和非凸性问题使得在可接受的时间范围内获得可行且高效的调度解决方案变得困难（Feng等人，2023）。尽管进化算法能够处理复杂的搜索空间，但其跨情景泛化能力仍然有限（Liu等人，2025；Ahmadianfar等人，2023）。随着问题情景的演变，对算法适应性的需求也在增加。强化学习（RL）凭借其强大的环境适应性和在线决策能力具有明显优势，但由于水库运营系统中存在多个目标和众多物理约束，其工程应用仍不成熟（Zhu等人，2025）。第三，在鱼类繁殖期间的生态调度方面，尽管现有研究考虑了供水安全和温度要求，但在繁殖期间对适宜溶解氧范围的依赖同样关键（Chai等人，2024）。水库底层水体的缺氧条件以及集中排放导致的下游气体过饱和都会恶化漂流鱼卵的繁殖环境（Chen等人，2024）。此外，水柱中的溶解氧动态与水温变化密切相关。鉴于溶解氧直接影响水生生态系统的健康（Wu等人，2025），在鱼类繁殖期间将溶解氧作为额外的生态目标纳入调度至关重要。

为了解决生态调度框架中这些普遍存在的挑战，本研究提出了“模拟-优化-因果解释”（SOCE）框架。该框架适用于梯级水库的多目标优化管理，旨在平衡人类电力需求和生态要求。在该框架中：（1）构建了一个结合实际物理知识的随机森林-自适应提升（RF-AdaBoost）模型，用于预测不同水库运行方案下下游生态监测点的水温和溶解氧变化；（2）将预训练的水质替代模型与水库运行管理模型相结合，构建多目标优化模型，然后使用基于强化学习的非支配排序遗传算法III（RLNSGA-III）进行求解；（3）通过检查三种不同来水情景下的运行模式，并结合SHAP解释分析法和收敛交叉映射（CCM）因果推断技术，进一步阐明了水库运行特征与水质变化之间的关系，为实际水库管理者提供了实用且可解释的因果见解。本研究特别关注以下关键问题：(1) 如何构建一个能够结合先验物理知识并保持强大泛化能力的溶解氧（DO）预测替代模型，而无需依赖大量高质量数据？(2) 如何将进化算法与强化学习（RL）结合，以提高在“模拟-优化”框架内解决多目标问题的效率，同时平衡人类电力供应需求和下游生态要求？(3) 如何识别并验证优化后的水库运行特性对下游水质动态的可解释因果效应，从而为管理者提供基于因果解释的可操作决策依据？为了更清楚地突出本研究解决的空白，表1比较了与上述关键研究问题相关的生态水库运行和管理的主要方法。此外，本研究的创新包括：(1) 范式：通过建立一个新的分层生态管理范式——包括模拟、优化和因果解释——这种方法为管理者提供了基于因果关系的运行洞察，从而在电力供应与多维生态需求之间取得平衡。(2) 模拟：构建了一个整合了物理知识的RF-AdaBoost替代模型，即使不依赖大量数据集，也表现出强大的泛化能力。(3) 优化：通过将替代模型与运行模型结合成一个多目标问题，采用RLNSGA-III来提高自适应搜索效率和可行性保证，在高维、非凸和强约束条件下获得更高质量的帕累托前沿。(4) 因果解释：结合SHAP分析和基于CCA的因果推断来量化边际效应和滞后效应，并识别整个管理运行过程中的关键决策节点。

研究区域
金沙江是中国长江上游的重要河段。它发源于青藏高原的唐古拉山脉，流经青海、西藏、四川和云南省份，最终在四川宜宾与岷江汇合，成为长江。金沙江全长约3300公里，是中国水力资源最丰富的河流之一，是平衡生态保护和水电开发的关键流域（Yang等人，2023年）。

概述
本研究提出的SOCE框架如图2所示，包括以下三个模块：(1) 模拟模块：考虑外部气候因素和水库运行调度的影响，使用了一个结合了现实世界物理知识的RF-AdaBoost预训练水质替代模型。(2) 优化模块：将模拟模块中训练的替代模型与梯级水库管理模型相结合，以构建...

模拟结果分析
表2和表3详细总结了替代模型的训练和测试结果。图3a-c展示了WT替代模型的预测性能，该模型使用了三种不同的输入特征组合进行评估。变体Ⅰ：输入特征仅包含气象变量。变体Ⅱ：输入特征包括气象变量和流量相关变量。变体Ⅲ：输入特征包括气象变量、流量相关变量...

纯数据驱动模型在预测未来时期的局限性
如图8所示，本研究进一步评估了所采用模型对数据集未来时期的预测能力。预测时期从2025年4月1日持续到2025年7月31日。在移除了异常值和缺失值的样本后，共保留了116个有效样本。在此期间，观测到的溶解氧浓度总体上呈下降趋势，同时伴随着一定程度的局部波动。为了进行比较分析，本研究采用了...

结论
在气候变化和人类水坝建设的共同影响下，本研究提出了一个SOCE框架，以减轻水库运行对下游生态系统的不利影响，同时平衡人类和自然的双重需求。主要结论如下：(1) 结合外部物理知识可以有效提高溶解氧浓度的预测性能。无需依赖大量高质量的水质数据，均方根误差（RMSE）得到了降低。

作者贡献声明
朱朝阳：撰写——审阅与编辑、撰写——初稿、软件、方法论、概念化。王兆才：撰写——审阅与编辑、撰写——初稿、验证、监督、方法论、数据管理。孔家臣：撰写——审阅与编辑、软件。邹家豪：方法论。王轩轩：验证、数据管理。谭作文：撰写——审阅与编辑、数据管理。刘晨业：撰写——审阅与编辑、数据管理。刘启凯：验证。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系，这些关系可能会影响本文所述的工作。

致谢
本研究得到了国家自然科学基金（项目编号11701363）和中国教育部人文社会科学基金（项目编号24YJAZH167）的支持。